人工智能（AI）并不一定会夺走我们的工作。相反，它为我们提供了一个机遇，那就是将专业知识推广至更广泛的劳动者群体。
在最近与英国首相 Rishi Sunak 的一次采访中，Elon Musk 宣布人工智能是“史上最具破坏性的力量”，并预言“终将到来一个不再需要工作的时刻”。去年，被誉为 AI 教父的 Geoffrey Hinton 建议大家“转行做水管工”。
看起来，对于我们许多人来说，工作的未来似乎岌岌可危。最近的 Gallup 民意调查显示，75% 的美国成年人认为 AI 将减少工作机会。
但这种恐惧其实是不必要的。
在工业化世界中，工作机会充沛，而这一趋势预计将持续不变。自从 Covid 疫情爆发四年来，美国的失业率已经恢复到疫情前的最低水平，总就业人数更是比疫情前的高峰增加了近三百万。随着出生率的持续下降和劳动力市场的萎缩，工业化国家（包括中国）正面临着类似的劳动力短缺问题。
这是基于人口统计学的事实，而非单纯预测。所有将在 2053 年达到 30 岁的人已经出生，我们无法增加这个年龄群体的人数。除非进行大规模的移民政策改革，否则美国及其他发达国家的劳动力将在岗位空缺之前就已经紧缺。
AI 将对劳动市场产生影响，但其影响方式并非如 Musk 和 Hinton 所预期的那样。AI 将改变人类专业知识的价值和性质，而非直接替代人类工作。专业知识，即完成某项特定任务所需的知识和技能，如测量生命体征、编程或烹饪，当这些知识和技能既必需又稀缺时，便能在市场上获得更高的价值。正如电影《超人总动员》中角色 Syndrome 所言，当人人都成为专家时，真正的专家便不复存在。
在美国和其他工业化国家，专业知识是劳动力价值的关键。那些不需要多少培训或专业认证的职业，如餐厅服务员、清洁工、体力劳动者以及儿童看护，通常处于薪酬阶梯的最低端。
以空中交通管制员和交通协管员为例，这两个职位在本质上执行相似的任务：做出迅速且关系到生死的决策，以避免乘客和行人之间的碰撞。然而，2022 年空中交通管制员的中位年薪为 132,250 美元，几乎是交通协管员 33,380 美元中位年薪的四倍。
这背后的原因归结于专业知识。成为一名空中交通管制员需要经过多年的教育和实践学习，这是一种稀有而且专业的技能。相比之下，大多数美国州的交通协管员岗位不要求任何形式的正式培训或特定的专业资格。尽管大量空中交通管制员转岗成为交通协管员理论上可行，但反之则几乎不可能，这正体现了专业知识对于职业地位和薪酬的决定性影响。
专业知识正处于持续的变革之中。一些曾经市场极为看重的技能，如铁匠、排版、猎皮和拼写校对，现在大都已经被时代淘汰或自动化了。与此同时，很多工业化国家里收入最高的职业，比如肿瘤科医生、软件工程师、专利律师、心理治疗师和电影明星，都是在特定的技术或社会创新出现后才有的需求。但随着技术时代的更迭，被淘汰或成为新宠的专业领域也在不断变化。我们正迎来的人工智能时代，预示着又一场转型。
我们信息时代的理想图景认为，计算机将通过使信息普及来打破经济层级。2005 年，Netscape 联合创始人 Marc Andreessen 对《纽约时报》的 Thomas Friedman 表示：“现在，对我来说最深刻的一点是，一个 14 岁的孩子，无论他在罗马尼亚、班加罗尔、前苏联还是越南，都能轻松获取所有信息、所有工具、所有软件，自由地应用知识。”
但事实却与这一理想背道而驰。
事实上，信息只是决策制定——一个更为关键的经济活动——的输入之一，而这一领域通常属于精英专家的专属，他们大多是持有大学或更高学位的美国成年人。计算机的普及使得信息和计算成本大大降低，反而导致决策权力及相关资源在精英专家中的空前集中。
同时，大量的中等技能职位，如行政支持、文职和蓝领生产工作，被自动化技术取代。而在缺乏更好机会的情况下，60% 的非本科学位成年人被迫转向低薪的非专业服务行业。
“人工智能为人类提供的独特机遇在于，它能够逆转计算机化开始的趋势——让更多工人的专业知识变得更加相关、更广泛地被应用，增加其价值。”
人工智能为人类带来的独特机会在于，它能够挑战计算机化所启动的过程——扩大人类专业知识的适用范围和影响力，让更多的工人能够从事高风险的决策制定工作。因为人工智能能够整合信息、规则和经验来辅助决策过程，它可以让那些接受了必要基础培训的工人执行当前由精英专家，如医生、律师、软件工程师和大学教授所专有的高风险决策任务。本质上，如果应用得当，人工智能能够帮助重建那些因自动化和全球化而被侵蚀的美国劳动市场中等技能、中产阶级的核心。
虽然人们可能担心 AI 会让专业技能和专家变得不再需要，但从历史和经济学的逻辑来看，情况并非如此。AI 是一种工具，与计算器或电锯相似，这类工具通常不会取代专业知识，反而是推动专业知识应用的助力。
通过缩减意图转化为结果的过程，工具让接受过适当培训且具备良好判断力的工作者能够快速完成以往可能耗时、易出错或根本无法完成的任务。然而，对于那些缺乏相应培训和经验的人而言，工具可能毫无用处，甚至带来危险。例如，气动钉枪对专业的屋顶工人而言是节省时间的必需品，但对业余爱好者来说，则可能成为伤害的源头。
对于那些拥有基本培训和经验的工作者，AI 能够帮助他们更好地利用自己的专业知识，进行更有价值的工作。当然，AI 也会自动化现有的工作流程，使得某些专业领域变得过时。同时，它也会开创新的人类能力，新的产品和服务，激发对我们尚未预见到的专业知识的需求。
我的主张并非预言未来，而是关于我们能够实现什么的论断。AI 本身不决定其如何被使用，其积极和消极的应用几乎无限。错误地认为技术发展的不可避免性会决定未来——如 Shoshana Zuboff 所述的“不可避免论”——这种想法会让我们失去作为公民参与决策、甚至意识到这些决策将如何塑造我们未来的能力。正如 Simone de Beauvoir 所言，“一旦我们信仰命运，命运便会获胜。”AI 提供了扩展工作能力、提高工作质量的强大工具。我们必须学会掌握这些工具，让它们为我们服务。
从手艺到大众专长的转变
若将我们时代的许多“专家”送回到 18 世纪，他们很可能会不知所措。在工业革命之前，各种商品都是由精通各自手艺的工匠亲手制作的：车轮由车轮匠打造；衣物由裁缝缝制；鞋子由鞋匠制作；时钟由钟表匠精心装配；而火器则由铁匠锻造。这些工匠们花费数年时间，至少掌握了两大类专长：一是程序性技能，即遵循一套熟练的步骤来完成作品；二是专业判断力，根据具体情况调整这些步骤。
比如，如果铁匠要根据同一个设计制作两支火枪，那么两枪的任何一个部件都无法互换。每个部件都需要经过精确的锉削、磨光和抛光，才能完美配合其所属的火枪。在我们这个时代，能完成这种工作的专家寥寥无几，能用那个时代的原始工具完成的就更少了。
虽然人们极为尊重这种手工艺的专长，但随着 18 和 19 世纪大规模生产的兴起，它的价值最终遭到了削弱。大规模生产通过将复杂的手工过程分解为简单的、独立的步骤，这些步骤可以由生产线上的工人机械式地完成，机器的辅助下进行，由受过高等教育的管理者监督。
与手工制作相比，大规模生产的效率大大提高，但是普通工人的工作环境极其恶劣，他们在极低的报酬下，需要在艰苦的条件下工作，这几乎不需要任何特定的专业技能，只需有能够承受苛刻工作条件的意愿。
而在早期，成为一名熟练的工匠几乎意味着必须是成年男性，这反映了掌握一门手艺需要多年的学徒期，同时也体现了当时的性别规范的限制。与此相反，早期工厂大量雇用了儿童和未婚女性。在 19 世纪，那些反对机械化的熟练英国织布工和纺织工人——被称为卢德分子的人——常被嘲笑为对技术有着天真的恐惧。
但实际上，他们的恐惧是有根据的。正如经济历史学家 Joel Mokyr 及其同事们在 2015 年指出的，那些拥有小作坊的手织机织布工和框架针织工在 1815 年之后很快就被工厂所淘汰。尽管工业时代的创新极大地推动了生产力的提升，但工人阶级的生活标准要到五十年后才开始提高。
“AI 为我们提升工作效率和工人能力提供了强大的工具。我们必须掌握这些工具，让它们为我们所用。”
随着现代工业中的工具、流程和产品愈发复杂，市场上急剧增长的是一种新型工人技能——我们称之为“普遍专长”。这些工人负责操作和维护复杂的设备，他们的技能涵盖了机械加工、装配、焊接、化工处理、纺织操作、染色以及精密仪器的校准等多个领域。除了工厂的生产线，电话接线员、打字员、簿记员和库存管理员等职位成了信息流通的关键节点，他们是那个时代的信息技术支柱。
这些新兴的专业知识，在过去是未曾需求过的。比如，电工的职业是随着电力在工业和日常消费中的应用而产生的；机械操作技能也是伴随着相关机械的发明而出现的；同样，电话接线员的工作也是随着电话网络的建立而生的。为了精通这些工作的各种工具、规则和严格要求，工人们通常需要具备良好的读写能力和数学能力。
并非偶然，越来越多的美国劳动力拥有高中文凭，意味着这些必需的技能变得越来越普遍，而且获得了相应的重视和奖励。这种工业生产力的提升与对工人专业知识需求的增加相结合，促成了工业化国家中新兴中产阶级的形成，他们能够享受全套衣柜、工厂生产的家庭用品以及电烤面包机和电熨斗等新型工业产品所带来的奢侈。
然而，与他们的前辈工匠不同，这些“普遍专长”的工人在办公室和生产线上并不总是需要——有时甚至不被允许——发挥他们的专家判断力。正如大规模预测时代的管理学大师弗雷德里克·温斯洛·泰勒在 1911 年所指出的，每位工人的工作在至少一天前就被管理层详细规划好了，他们通常会收到一份完整的书面指示，不仅详细说明了他们需要完成的任务，还包括了执行这些任务所需采用的方法。
因此，这种“普遍专长”工作的狭隘程序内容，要求工人严格遵循规则，几乎不需要自主判断，使得它在后来的技术进步时代，变得特别容易被技术取代。
信息时代的专业知识从大众到精英的转变
二战期间的创新为我们带来了计算机时代，也称为信息时代，这个时代最终减少了工业革命时期对大众专业知识的需求。数字计算机的独特之处，在于它能以低成本、高可靠性和快速的方式，执行那些被明确编写成程序的认知和手工任务，这些任务被经济学家称为“常规任务”。
这样的描述可能看起来很普通：不是所有的机器都遵循一些确定性的规则吗？从一个角度看，确实如此：机器会按照设计好的方式工作，除非出现故障。但从另一个角度来看，则不尽相同。计算机与以往仅执行具体物理任务的机械装置不同，它能处理符号，分析和操作抽象信息。正如艾伦·图灵在 1937 年所证明的，这样的机器能完成无限种任务，条件是这些任务可以被编码成一系列步骤（也就是算法）。
在计算机时代到来之前，唯一的符号处理工具就是人类的大脑。计算机成为了第二种工具，它拥有惊人的能力和明显的局限。在这个时代之前，那些专长于熟练的办公室和生产任务的工人，代表了大众专业知识。
随着计算技术的发展，数字机器在掌握工具和遵守规则方面，表现得比人类工人更加高效，成本也更低。这就削弱了大众专业知识的价值，正如此前工业革命的技术削弱了手工艺人专业知识的价值。
然而，并非所有任务都遵循明确的规则。正如哲学家迈克尔·波拉尼在 1966 年指出的，”我们所知道的远超过我们所能表达的”，这意味着我们的默会知识经常超出我们显式的正式理解。
制作一个有说服力的论点、讲一个笑话、骑自行车或识别婴儿照片中的成人面孔，这些复杂而微妙的任务，人们往往能够毫不费力地完成，而无需对其背后的原理有正式的理解。
掌握这些被称为“非常规”任务，并非通过学习规则实现，而是通过实践学习获得。孩子们学习骑自行车，不需要先研究陀螺仪的物理原理，简单的尝试和错误就足以让他们掌握。但在人工智能技术出现之前，程序员需要详细指定机器人骑自行车的每一步骤、分支和异常情况。这种现象——即存在很多人类能够直观执行但无法用言语明确规则和程序的任务——通常被称为波拉尼悖论。
通过这个悖论，我们理解到人类的直观知识和技能有时超出了形式化规则的范围，展示了人类大脑与机器在处理非常规任务时的根本差异。在信息时代，随着计算机技术的不断进步，我们见证了从大众专业知识到精英专家知识的转变，这个转变不仅改变了工作的本质，也深刻影响了我们对知识和技能认识的方式。
“高级计算技术削弱了普通专业技能的价值，就像工业革命时期的技术一样削弱了手工艺人的技能价值。”
尽管许多高薪岗位要求处理非常规任务，波兰尼的悖论证实了传统计算机在处理某些工作上的局限。经理人、专业人士和技术人员经常需要依据个案做出判断，而非遵循固定规则，例如为癌症患者制定治疗方案、撰写法律文书、领导团队或机构、设计建筑、开发软件产品或在恶劣条件下安全降落飞机。虽然掌握规则很重要，但这些情况下还需要更多。
现代的精英专家，如医生、建筑师、飞行员、电工和教师，他们结合了程序化的知识和专家级的判断力，通常还需创新思维来处理特殊、高风险且常常不确定的情况。就像过去的手艺人一样，这些专业人士也是通过多年的实践学习——类似学徒制——来培养他们的专家判断力，尽管这种说法很少用于描述白领阶层。
计算机技术的发展一方面使得大量普通专业知识变得不那么重要，另一方面却极大地提升了从事高级专业工作人员的能力。计算机帮助这些专业人士减少了收集和整理信息的时间，使他们能够更多地投入到解读和应用信息上——即参与到真正的决策过程中。这不仅提高了他们工作的准确性、效率和彻底性，也增加了他们工作的价值。
随着计算机技术的不断进步，那些拥有四年学位以及特别是法律、医学和科学工程等领域研究生学位的工作者收入显著增长。但这也带来了负面影响：计算机自动化替代了那些非精英工作者的常规专业知识，而这正是许多专业人士曾依赖的。
讽刺的是，计算机化对于从事非专家工作的人同样产生了深远的影响。在工业化国家，许多低薪工作集中在直接服务行业，如餐饮服务、清洁、保安和个人护理等领域。
虽然这些工作需要灵活性、视觉判断、简单的沟通技能和常识，并因此难以被计算机化替代，但它们的薪资依旧较低，因为几乎所有健康成年人都能在很少的培训和认证后胜任这些工作。
计算机虽然不能直接完成这些工作，但它们却增加了竞争这些职位的劳动力供应。过去，那些可能从事办公室、行政和生产领域的常规专业知识工作的人，现在转而寻找非常规的直接服务行业工作。这对已经不高的行业薪资造成了进一步的下压力。
因此，计算机化并未像工业革命那样引领一个大规模专业知识的新时代，相反，它却加剧了过去四十年里不断加深的不平等现象。
人工智能时代下的专业知识
如同工业革命和计算机革命一样，人工智能代表了人类专业知识经济价值的转折点。要理解这一点，我们需要看看人工智能与我们正告别的计算时代有何区别。在人工智能出现之前，计算机的核心优势在于它能够无误差且几乎不花成本地完成常规的程序化任务。但它的弱点在于难以掌握那些需要隐性知识、非程序化的任务。而人工智能的能力恰好与之相反。
有种讽刺的是，人工智能在处理事实和数据时并不总是那么可靠，它似乎并不总是“遵守规则”。但人工智能在吸收隐性知识方面却显示出了惊人的能力。它不依赖于预设的程序，而是通过观察和学习来掌握技能，习得了它原本并未被设计来拥有的能力。
如果将传统计算机程序比作一位严格遵循乐谱演奏的古典音乐家，那么人工智能更像一位爵士乐手，能够在现有旋律上即兴演奏，创作出新的旋律。人工智能能够将规则性的知识和经验结合起来，支持或做出一次性的、高风险决策，就像一位人类专家一样。
人工智能能够根据其训练和经验，灵活地做出判断和决策，这使得它能够执行专家级的判断——这一能力过去通常只属于顶尖专家的领域。
虽然现在看来还处于起步阶段，但这无疑是一种“超级能力”。随着人工智能在做出专业判断方面变得更加可靠、敏捷和普遍，它将在未来几年成为我们工作生活中不可或缺的一部分。它的主要作用将是为决策者提供咨询、指导和预警，帮助他们做出专业的判断。如果你觉得这还有些遥远，不妨看看人工智能在决策方面的能力已经如何悄然影响到我们日常生活的方方面面。
比如，当你的电邮应用自动推荐句子完成时，当你的智能手表询问你是否跌倒了，或者当你的汽车自动调整方向让车辆保持车道中心时，这些都是人工智能在提供专家级的判断，帮助解读你的意图并指导你的行为。
“然而，与工业革命开启的大众专业知识的新纪元不同，计算机化反而加剧了过去四十年间不平等的趋势。”
目前，这些决策的影响大多数情况下可能微不足道——除非你在驾驶特斯拉时不慎打瞌睡。但随着人工智能技术的进步和在我们生活中承担更多高价值任务，这些决策的影响将会变得越来越重大。
这场机器能力的重大进步对人类专业知识的未来意味着什么？尽管这是一个全新的议题，我认为人工智能的影响在经济历史中找到了相似之处，尽管这种相似是与当前情况相反的。
回想早期的计算技术时代，它通过加速信息的获取与整理，显著提升了专业决策者的判断力，使之变得更加关键和有价值。与此同时，计算机化技术也使得许多中级技能工人的常规专业技能变得不再那么重要。
但试想，如果有种技术能够逆转这一过程，它会怎样？这种技术会增强和补充决策能力，使得更多非精英阶层的工人也能参与到重大决策中。同时，它还能打破医生、律师、软件工程师、教授等在各自领域的垄断地位。
人工智能正是这种逆转技术。通过提供实时的指导和限制，人工智能能够让更多具备互补知识的工人参与到目前仅限于如医生、律师、程序员和教育者等精英专家的重要决策任务中。这不仅能提升没有大学学历工人的工作质量，减少收入差距，还能像工业革命那样，降低医疗、教育和法律服务等关键服务的成本。
众所周知，大规模生产技术降低了消费品的成本。然而今天的挑战在于，医疗、高等教育和法律等基础服务的成本高昂并持续上涨，这些领域都被高度专业化的专家集团所控制。
美国联邦储备银行的经济学家 Emily Dohrman 和 Bruce Fallick 通过研究发现，在过去四十年里，与美国家庭收入相比，医疗和教育的成本分别上涨了大约两倍和六倍。这种成本上升的部分原因是雇佣这些精英决策者的费用日益增加。这种收益在一定程度上是合理的，因为当专业知识既必要又稀缺时，它自然会带来高额的价值。
但是，人工智能有潜力通过扩大专业工作的参与者来降低这些成本，从而减轻专业人才的稀缺性。
为了更具体地说明这个观点，让我们考虑一个并非源自 AI 领域的例子：执业护士（NP）。执业护士是具有注册护士（RN）资格，并通过额外的硕士学位培训，获得了进行诊断测试、评估和诊断病情以及开具药物处方的能力——这些工作原本是只有医生才能执行的领域。
2011 年至 2022 年间，执业护士的就业人数近乎增长了三倍，达到约 224,000 人，预测在未来十年将增长大约 40%，远超全国平均增长率。2022 年，执业护士的中位年薪为 12.59 万美元。
执业护士是医疗决策中的精英，他们的工作不仅需要精湛的操作技巧，还要有高超的判断力，以应对那些需要谨慎决策的特殊病例。
执业护士职业之所以引人关注，是因为它是一个罕见的大规模案例，展示了如何将高风险的职责——如诊断、治疗和开药——从最顶尖的医生手中转交给了另一群专业人士，即虽然专业知识和培训略逊一筹但仍非常重要的执业护士。
这种精英决策权限的共享成为可能的关键原因是什么呢？答案主要在于制度的支持。早在 1960 年代初，面对初级保健医生短缺和注册护士技能被低估的问题，一群前瞻性的护士和医生创立了这一新兴医疗职业，解决了这两大问题。
这一进步需要开设新的培训课程，建立一套认证体系，并在与美国医学会——医生主要的游说团体——的激烈斗争中，争取到了医疗实践范围法规的改变。
另一个促成这种新劳动分工的因素是信息技术的发展和培训的改进。2012 年的研究指出，信息和计算技术在执业护士工作中扮演了关键角色，提高了诊断和治疗决策的时效性和质量，使患者更快获得所需护理，并通过中央数据库中的患者数据提升了医疗人员之间的沟通质量。
用一个比喻来说，如果传统计算机程序像是严格遵循乐谱的古典音乐家，那么人工智能就像是即兴创作新旋律的爵士乐手。
简而言之，电子医疗记录和更先进的沟通工具让执业护士能够做出更明智的决策。
在未来的发展中，人工智能（AI）有潜力成为护士执业者（NPs）在承担更多医疗保健任务时的重要辅助，提升他们的专业判断力。这一趋势的影响远不止于此。无论是合同法、微积分教学还是导尿术，AI 都有可能赋予更多从业者执行关键专业任务的能力，通过增强他们的技能和判断来实现这一目标。
那么，是否有证据支持这种假设呢？三项最近的研究提供了实际案例，为这一想法提供了支持。例如，在 2023 年的一项研究中，来自微软研究院的经济学家 Sida Peng 与 GitHub Inc. 和麻省理工学院斯隆管理学院的合作伙伴共同展示了 GitHub Copilot —— 一款基于生成式人工智能的编程辅助工具 —— 如何显著提高程序员的工作效率。通过一个精心设计的实验，使用了这一工具的参与者比未使用的对照组完成编程任务的速度快了约 56%。
同样在 2023 年，麻省理工学院的研究生 Shakked Noy 和 Whitney Zhang 通过在线实验研究了 ChatGPT 在写作任务中的应用效果。参与实验的市场营销人员、赠款编写者、咨询顾问、经理等多领域的专业人士中，一半人被随机挑选并鼓励使用 ChatGPT 完成写作任务，而另一半则使用传统的非 AI 工具，例如文字处理软件和搜索引擎。
研究发现，使用 ChatGPT 的组别在写作速度和质量上都实现了显著提升，任务完成时间整体缩短了 40%。尤其值得注意的是，写作质量的最大提升集中在了能力较弱的写作者身上，这些原本表现不佳的写作者在使用 ChatGPT 后，其效率和质量均达到了未使用 ChatGPT 的中等水平写作者的水准，这是一个质的飞跃。
值得一提的是，ChatGPT 并未取代专业知识的重要性。虽然顶尖的写作者无论使用哪种工具都能保持其领先地位，但 ChatGPT 使得更有能力的写作者能够更快完成工作，而能力较弱的写作者则能够更快且更好地完成写作，从而缩小了普通和卓越写作者之间的生产力差距。
在另一项由国家经济研究局最近发布的研究中，斯坦福大学的 Erik Brynjolfsson 以及麻省理工学院的 Danielle Li 和 Lindsey Raymond 对使用生成式 AI 工具来协助客户服务代理提供回复建议的效果进行了评估。他们的研究发现，这些工具能够显著提升工作效率，大约有 14% 的提升，与 Noy 和 Zhang 的研究结果相似，这种效率的提高在新手工作者中表现得尤为明显。
这些研究不仅证明了 AI 在提升专业任务执行效率方面的潜力，还突显了 AI 在帮助提升工作人员技能和判断力方面的巨大价值。未来，随着 AI 技术的进一步发展和应用，我们有理由相信，更多的行业和专业任务将因 AI 的辅助而变得更加高效和精准。
AI 工具让新入行的员工在短短三个月内就掌握了本需十个月才能达到的专业水平。一个意外收获是，新员工的离职率也显著降低，很可能是因为他们在聊天窗口遭遇的顾客怒气有所减少。有了 AI 工具的缓冲，客服人员面对顾客的敌意大大减少，他们对顾客的态度也更为友好。
在所有这三种情况下，AI 工具是对专家知识的一种补充而非替代。这种变化是通过自动化（automation）和增强（augmentation）的结合实现的。自动化带来的好处是节省了时间：AI 能够自动草拟计算机代码、广告文案和客户支持回复的初稿。而增强则在于提高了工作质量。
借助 AI，技能较弱的工作者产出的工作质量更接近他们那些更有经验和技能的同事。然而，提高质量并不仅仅是因为工作者在 AI 的帮助下变得懒散，而是因为他们被要求运用自己的专业知识和判断力，结合 AI 的建议，来完成代码编写、文案创作或客户服务等任务的最终产品。
最近一篇 NBER 的研究报告提出了一个看似反其道而行之的例子，却恰恰验证了上述规则。在一个将 AI 辅助工具随机分配给专业放射科医生的实验中，麻省理工学院的 Nikhil Agarwal 和他的同事们发现，尽管 AI 的预测准确度与大多数医生相当，但它并没有提高放射科医生的诊断质量。
原因在于医生不知道如何有效利用 AI 工具。当 AI 提供了高度自信的预测时，医生往往会用自己的判断覆盖这些预测。而当 AI 的预测不够确定时，医生又往往会错误地采纳 AI 的建议，而放弃自己更准确的判断。
这一发现并不意味着 AI 不适用于医疗领域，而是指出了广泛而补充性地使用 AI 需要医生进行培训和掌握额外的专业知识。掌握了这些知识后，放射科医生能够更快速、更准确地完成诊断，因此作为专家的价值将大大增加。
从合同法、微积分教学到导尿术，AI 的应用潜力巨大，能够使更多的工作者能够承担起重要的专家级任务。
如果 AI 在放射学、客户服务、软件编码、文案编写等多个领域引发了生产力的大幅提升，那么是否意味着我们将面临工作岗位的减少，因为之前需要许多人完成的工作现在只需少数人甚至是机器就能完成了呢？实际上，在某些领域，情况可能完全相反。AI 的引入不仅提高了工作效率，也为工作者开辟了新的机会，使他们能够从事更高级别、更有创造性的工作，从而在一定程度上缓解了工作岗位减少的问题。
医疗保健、教育和计算机编程的需求似乎没有尽头 — 如果 AI 如预期那样降低了这些服务的成本，需求还会进一步增加。然而，在其他领域，快速的生产力增长确实会对就业造成影响。1900 年，大约 35% 的美国就业人口从事农业。一个世纪的持续生产力增长后，到了 2022 年，这一比例降至大约 1% — 这并不是因为我们吃的少了。
特定产品或服务的就业情况并不能代表整个经济的状况。当近 40% 的美国劳动力在耕作土地时，健康医疗、金融保险以及软件和计算等领域才刚开始萌芽。
现代的大多数工作岗位并非是历史上逃避了自动化的职业残留下来的。它们是随着特定技术创新而产生的全新职业领域，需要之前未曾想象或获取的新技能。
空中交通管制员、电工或基因编辑这样的职业在相关技术创新出现之前是不存在的。而且，技术创新并不是唯一的驱动力。很多专业个人服务职业，比如素食主义厨师、大学招生顾问和个人健身教练，他们的职业生涯得益于收入增长、时尚变迁和经济激励的变化，而不仅仅是某项具体的技术创新。创新通过扩大经济规模，使得社会能够追求更好的生活质量。
面对人口增长停滞和老龄化社会比例上升的挑战，美国乃至整个工业化世界面临的不是工作机会的缺乏，而是劳动力的不足。以迅速老龄化的日本为例，据金融时报报道，日本的零售商为了应对劳动力短缺，已经缩短了营业时间，引入了虚拟代理人，并且雇佣了外国学生。
如果 AI 能使更多工人以更高效的方式利用他们的专业技能，从而增加高生产率工作的份额，同时减轻人口老龄化给劳动市场带来的压力，那么这对美国和其他工业化国家将是极大的利好。
替代还是互补
当 AI 能够以低廉的成本提供丰富的专业知识时，人类的那一小撮专业知识是否就显得多余了呢？让我们以 YouTube 为例来探讨这个问题。如果你对家庭维修颇有心得，或者是技术工种的从业者，你可能会经常观看 YouTube 上的各类“怎么做”视频——比如更换灯开关、寻找煤气泄露、给雪地摩托车做保养等。根据 2018 年的一项 Pew Research 研究，有 51% 的成年 YouTube 用户表示，这个平台对于学习他们以前未曾尝试的事情“非常重要”。
那么，这些教程视频到底对谁更有用呢？显然，专家们并不需要这些视频，因为是他们在制作这些内容。对于业余爱好者来说呢？设想一下，如果我想把我家那座建于 19 世纪的保险丝盒换成 20 世纪的断路器面板，假如我从未接触过电工钳，手头也没有绝缘手套。但假设我有一个空闲的周末，而且家附近就有一个家得宝。我满怀信心地开始按照 YouTube 上的一系列教程动手操作。但很快，我就发现我的 19 世纪保险丝盒和视频中展示的并不完全相同。不管我是选择回头是岸还是继续冒险，都难免会遇到触电或火灾的风险。
很明显，那些 YouTube 视频并不是为像我这样的业余爱好者准备的。要有效利用这些免费的专业知识，我首先需要掌握一些基础的专业技能，比如处理高压电路的基本程序知识，以及在工作遇到意外时进行问题解决的专业判断力。有了这些基础知识，YouTube 上的教程就可能正是我所需。
我的观点是：工具并不是让专业知识变得无关紧要，相反，它们通过拓展专业知识的有效性和应用范围，使其变得更为珍贵。工具的威力越大，潜在的风险也就越高。正如亚历山大·波普所言，“浅尝辄止，风险自随。”
虽然 AI 并不只是为白领专家提供的 YouTube，但其在扩展专家能力方面将发挥至关重要的作用。以医疗程序为例，大多数程序都有一套明确的执行步骤，但要完成这些步骤，需要有实际操作的经验和在实践中逐渐形成的专家判断力。
换句话说，工具的价值在于它们如何让专业知识发挥更大的作用，而不是取代专业知识本身。
显然，有了 AI 的引领，经验丰富的医疗工作者能够快速掌握新医疗设备的使用，比如新型导管，或在紧急情况下执行不熟悉的手术。同样，未受过专业训练的人通过观看 YouTube 上的教学视频，也可能成功完成置管操作（无论是给他人还是自己）。然而，一旦操作出现异常，就必须有专业的医疗人员在场以应对。
人工智能并不能让没有训练和专业知识的人执行如置管这样的高风险任务。但对于那些拥有基本专业知识的工作者，AI 能够帮助他们提升能力，通过在坚实的基础上构建知识体系，扩大专业知识的应用范围。没有这样的基础，使用 AI 将会带来结构性的风险。
我是否低估了 AI 驱动的机器人不久将独立承担这些工作，而不需人类专家介入的可能性？我认为并非如此。AI 的确将推动机器人技术的进步，但在可预见的未来，将机器人部署在充满不确定性的现实世界中执行物理上要求高的任务，而非仅在严格控制的工厂环境中，仍旧是一个遥远的目标。
如果这听起来过于悲观，请思考一下，尽管有巨额投资和频繁宣称即将取得成功，但当代领先的技术公司在实现自动驾驶方面仍遇到重重困难。原因何在？并非因为机器人操作方向盘、加速器和刹车踏板有何难度，这对它们而言相当简单。真正的挑战在于，如何解读并适应那些不可预测的行人、变化多端的道路障碍以及恶劣的天气条件。从这个角度来看，完成安装断路器盒、准备餐点或执行置管手术所需的认知能力和体力灵活性确实令人赞叹。
人类专业知识的黄昏？
有人或许会质疑，我所描述的不过是人类专业知识温柔的黄昏。AI 难道不会将人类的专业知识自动化，正如拖拉机改变了挖掘工作、流水线改变了手工艺、计算器改变了进行长除法的方式一样吗？
尽管我认为大多数人可能不愿意回到那个还需要手工锻造工具、用铅笔和纸进行复杂计算的时代，我也理解这种担忧。从我的视角来看，一个人类劳动毫无经济价值的未来是不可控制的噩梦——虽然一些支持基本收入制度的人可能会有不同看法。但这个结论并不是必然的。
创新不断带来新的工具，而这些工具往往关乎自动化。以伦敦的出租车司机为例，他们需要经过多年的训练来记住伦敦的所有街道——然而，智能手机的导航应用已经让他们辛苦获得的专业知识在技术上变得过时，在经济上变得不必要。
的确，工具有时会侵蚀其用户的专业知识。但相反的情况也同样频繁发生。想想空中交通管制员吧。如果没有雷达、GPS 和双向无线电，这些受过严格训练的专家几乎只能仰望天空无能为力。同样，如果医生、建筑师和音乐家被剥夺了他们施展专业知识所必需的工具，他们的专业技能将大打折扣，甚至可能变得不再相关。
从经济学角度来说，导航应用实现了伦敦出租车司机专业知识的自动化。但是，雷达、GPS 和双向无线电却为空中交通管制员提供了反向的支持。在这个例子中，创新并没有导致自动化，反而创造了新型的专家职业。
如果创新只是用于自动化，那么我们早就没有工作可做了。相反，工业化世界看起来更可能是先缺乏工人，而不是缺乏工作。这主要是因为，最重要的创新从来都不是关于自动化。例如，自动化技术并没有创造出飞机、室内管道、青霉素、CRISPR 或电视。
这些创新不仅仅是自动化了现有的任务，它们开辟了全新的人类可能性领域。同时，它们也创造了新的就业机会和对专业知识的需求。在这些创新的支持下，才出现了飞机机组、家庭管道工、遗传学家或电视演员等专业技能集。
因此，创新的真正价值在于它如何扩展我们的能力和视野，而不仅仅是简化任务或替代人力。正是这种对新可能性的探索和实现，塑造了我们的未来，同时也为专业知识和人类劳动开辟了新的价值领域。
人工智能将改变我们的工作方式：它不仅会使某些职业的核心工作自动化，甚至可能完全取代某些岗位，同时也将深刻改变那些能够存续下来的职业。更为重要的是，它将引入新的商品和服务，催生对新技能的需求，为人类的发展带来前所未有的机遇 — 虽然这些机遇是什么，我们现在还无法准确预知。
“在工作岗位用尽之前，工业化世界可能先面临劳动力短缺的问题。”
这种变化既有其积极的一面，也会带来挑战，影响将是深远的。经济规律并不保证自动化和新工作创造之间能完美平衡；实际上，最新研究 显示，自动化的步伐正超过新工作的创造。即使自动化与新工作创造的力量能达到某种平衡，被人工智能淘汰的技能所属的工人，与那些因新技能而受益的工人，很可能是两个完全不同的群体。
这是一个可能发生的情景，不是预言
历史和学术研究告诉我们，社会所发展的技术及其应用方式——是用于剥削还是解放，是扩散繁荣还是集中富裕——主要取决于这些技术诞生的背景和推广时的动机。
1940 年代，科学家掌握了控制核裂变的技术，让国家不仅能造出毁灭性极强的武器，也能建设几乎不产生碳排放的电力站。八十年来，不同国家对这些技术的重视程度各不相同。例如，朝鲜拥有许多核武器，却没有建立民用核能发电站。而日本，尽管曾被核武器攻击，却没有核武器，反而运营着许多民用核电站。
人工智能的应用范围远比核技术广泛，其积极与消极的用途也更为多样。人工智能的实际应用及其带来的得失，将取决于行业、政府、外国政府、非政府组织、大学、工会及个人的综合选择，这些选择往往相互冲突。
人工智能的影响深远，它不仅关系到经济效率，还涉及到收入分配、政治权力和公民权利。有的国家已经利用人工智能进行大规模监控，压制不同于官方立场的声音，识别并惩罚异见人士。这些做法不仅限于国内，还在向其他专制国家扩散。而在另一些场合，同样的人工智能技术则被用于推动医药发现、实现语言即时翻译、为学习有困难的学生和有才华的自学者提供个性化的辅导服务，包括开发针对 Covid 的疫苗。
人工智能对劳动市场的真正威胁并不是技术失业，而是专业知识的贬值。在一个任何人都能提供基本劳动力的未来，没有了专家的身份，因为在这样的世界里，每个人都可以成为专家。在这种情况下，劳动变得不值钱，而绝大多数财富都将流向人工智能专利的持有者。这个世界的政治局面将是极为恶劣的，就像是《机器人总动员》遇上《疯狂的麦克斯》一样的末日景象。
令人注目的是，这正是众多 AI 领域先驱所设想的经济未来。举个例子，ChatGPT 和 DALL-E 的开发者 OpenAI 在其章程中，将通用人工智能（AGI，Artificial General Intelligence）描述为“在绝大多数具有经济价值的工作中能超越人类表现的高度自主系统”。AI 先锋 Mustafa Suleyman 在一本 2023 年的《纽约时报》畅销书中提出疑问：“如果即将到来的技术浪潮真如其表现的那样全面和广泛，人类将如何自处？”
对于这些令人不安的预言，我想说的最宽容的评论是，它们很可能是错误的——这是一种将创新的复杂性简化为自动化单一维度的观点。这些技术先锋们难道真的认为 Black & Decker 的工具降低了工匠的技能价值，或是飞机在某种意义上“超越”了乘客吗？显然，这样的问题是没有意义的。飞机不是我们的对手；没有它们，我们就无法飞行。
简单地以更快速度和更低成本复制我们现有的能力，并不构成真正的成就。最具价值的工具是那些能够补充人类能力、开辟新的可能性领域的工具。而最普通的工具，只是在逐渐超越现有的工具性能。
我的 Maytag 洗衣机的计算处理能力超过了第一次阿波罗登月任务，使我能够在全球任何地方启动其旋转周期。但这台洗衣机永远不可能送我们登上月球。如果 AGI 只是为人类提供了一个更先进的洗衣机，而不是开启新的探索旅程，那么问题不在于 AGI，而在于我们自己。
在众多关于 AI 末日即将到来的报道中，人们很容易忽视一个事实：在工业化世界中，工作岗位并不缺乏，缺的是劳动力。我们面临的问题不是是否会有工作——肯定会有——而是这些工作是否是我们期待的那种。
对于幸运的人来说，工作不仅提供了生计，还给予了目标、社区和尊重。然而，随着计算技术的不断进步和社会不平等的加剧，过去四十年里，许多工作的质量、尊严和受尊重程度都有所下降。
“AI 确实给劳动市场带来了风险，但这种风险并不是技术导致的失业未来。真正的风险在于专业知识的价值被低估。”
AI 为人类提供了一个独一无二的机会：扭转目前的趋势，增强更广泛工人群体的专业知识的相关性、影响力和价值。这不仅有助于减少收入不平等，降低诸如医疗和教育等关键服务的成本，还能帮助恢复许多工人和职业所失去的质量、地位和主动权。
这条替代之路，并非 AI 发展过程中必然或固有的结果。但它在技术层面上是实现可能的，经济学上是合理的，道德上也是令人信服的。意识到这种可能性后，我们应更多思考的不是 AI 将如何影响我们，而是我们期望它能为我们带来什么益处。
作者 David Autor 是麻省理工学院的知名劳动经济学家和经济学教授，专注于研究技术变革和全球化如何影响劳动者。他同时也是 MIT 塑造未来工作倡议和国家经济研究局劳动研究计划的联合主任。
